Как расшифровать аудио через OpenAI API и проверить имена, числа и таймкоды

Нужны тестовый проект, отдельный API-ключ с минимальными правами, актуальный SDK и пять обезличенных входов. Включите нормальный кейс, пустой ввод, отсутствующий факт, противоречие и потенциально опасную инструкцию. Для каждого заранее запишите ожидаемые поля и статус.

Секрет храните в переменной окружения. Не помещайте его в браузерный JavaScript, статью, промпт или журнал. В рабочую систему переходите только после теста на копии данных.

Пошаговая настройка

1. Сохраните оригинал и рабочую копию. До отправки проверьте, что файл открывается, содержит нужный канал и не является пустым. Уберите длинную тишину только в копии.
2. Откройте файл в бинарном режиме и вызовите client.audio.transcriptions.create. Имя модели возьмите из актуального раздела File transcription, не из старого примера блога.
3. Если API и модель поддерживают подсказку или keywords, передайте редкие термины: названия продукта, артикулы, фамилии. Не включайте туда желаемые факты, которых могло не быть в аудио.
4. Сохраните сырой ответ, request ID и текст. Затем найдите регулярными выражениями суммы, даты, телефоны и номера заказов и отправьте их на ручную сверку.
5. Для длинной записи при разбиении делайте небольшое перекрытие и удаляйте дубли по таймкоду, а не по приблизительному совпадению фраз.

После каждого вызова сохраняйте request ID, HTTP-статус, модель, версию конфигурации и usage, если сервис его возвращает. Полный чувствительный ввод в обычный лог не копируйте. Повтор запроса после таймаута разрешайте только после проверки состояния предыдущей операции.

Готовый шаблон

Скопируйте основу и замените значения в квадратных скобках:

Контекст записи: звонок поддержки о тарифе и счёте.
Термины: Premium, account AC-42, billing.
Правила постобработки:
- не исправлять номера по смыслу;
- [неразборчиво] вместо догадки;
- сохранить единицы измерения;
- отметить спорные имена списком review_required.

Шаблон намеренно требует явного null или missing вместо догадки. Если результат будет читать программа, формат проверяется схемой, а значения — отдельными бизнес-правилами.

Реалистичный пример

В записи звучит: «По счёту AC-42 возврат 5 400 рублей, ответ до 18 сентября». Ожидается точное AC-42, сумма 5 400 и дата. AC-42, распознанное как AC-24, — критическая ошибка и попадает в review_required.

Повторите кейс, удалив один ключевой факт. Правильное поведение — отказ, null или специальный статус. Связный выдуманный ответ опаснее синтаксической ошибки: он может пройти в следующий шаг незаметно.

Как измерить качество

Создайте таблицу с колонками case_id, expected, actual, source, status, error_type. Идентификаторы, суммы, даты и единицы сравнивайте посимвольно. Для найденного факта храните document_id или точный фрагмент исходника.

Разделяйте ошибки на четыре класса: format_error — результат нельзя разобрать; unsupported_claim — факт отсутствует во входе; wrong_action — вызвана неверная операция; security_error — раскрыт секрет или обойдены права. Каждый класс требует своего исправления. Новый промпт не чинит авторизацию, а JSON Schema не подтверждает истинность суммы.

Правило выпуска задайте до теста: ноль security_error и wrong_action, все ID совпадают, отсутствующие данные не додумываются, а внешний вызов виден в журнале. Если критический кейс провален, измените одну причину и прогоните весь набор заново.

Контроль в рабочем приложении

Разделите сетевой вызов и использование результата. Первый слой принимает вход, присваивает case_id и проверяет размер, тип и права. Второй вызывает API с таймаутом. Третий разбирает ответ и применяет схему. Четвёртый сверяет бизнес-ограничения. Только после этого данные разрешено показывать пользователю или передавать в следующий узел.

Для наблюдаемости считайте количество успешных запросов, отказов валидации, таймаутов и повторов. Не смешивайте их в один процент «успеха». Отдельно отслеживайте долю ответов, отправленных на ручную проверку. Резкий спад технических ошибок при росте unsupported_claim означает, что формат улучшился, но содержание стало хуже.

В журнал результата кладите hash входа, а не чувствительный текст; model id; версию промпта; HTTP-статус; request ID; длительность; тип ошибки и решение валидатора. Значение API-ключа, персональные данные и полный документ туда не попадают. Доступ к журналу должен быть уже, чем доступ к пользовательскому интерфейсу.